SQL标准中真的有必要有GROUP BY吗

Question

编写 SQL 几年后，我发现必须将我感兴趣的列放入

SELECT

，然后在

GROUP BY

中再次指定它们，这常常很烦人。我不禁想，我们为什么要这么做？

用户必须具体指定按哪一列进行分组的原因是什么？难道我们不能让 SQL 引擎假设 如果

SELECT

中有聚合函数，则按其余非聚合列进行分组？

当您在

CASE WHEN

中有一个大的

SELECT

时，这将特别有用且更加简洁。

Answer 1

因为它们可能并不总是完全匹配。

例如，如果我想找出每个类别的最大书籍数量，我可以这样做：

select max(cnt)
from (
    select count(*) as cnt
    from books
    group by category
    ) t;

在某些数据库（例如 Oracle）中，您甚至可以这样做：

select max(count(*))
from books
group by category;

我真的不需要指定类别列，因为我不需要它。

一些数据库（例如 Postgres）支持在 group by 子句中使用别名。

Answer 2

我碰巧同意你的观点。 如果有人想要一个更深奥的

group by

——比如，省略列——那么他们可以使用子查询。

如果我不得不猜测，SQL 的编写者并不想在聚合函数中赋予如此强大的功能。 您的建议意味着

select

中的函数正在确定结果集中行的定义。 通常，

select

仅确定列。 也就是说，查询在语法上失败是一回事，因为包含的聚合没有 group by。 对于

select

中的函数来说，更改正在输出的行是另一回事。 您可以通过

select distinct

使用窗口函数。 虽然我不推荐这种语法，但你可以这样做：

select distinct x, count(*) over (partition by x)
from t;

好吧，这消除了 

group by

，但您仍然必须在每个窗口函数中重复分组标准。

Answer 3

SELECT …
FROM table
GROUP BY …;

首先，请记住，

SELECT

是在

FROM

和GROUP BY子句之后评估的。这意味着您可以选择的内容受到这些子句结果的限制。想象一下

GROUP BY

生成一个新的

虚拟

表。这个虚拟表只有以下内容：

分组的列 所有列的

摘要
• （聚合）
• 没有别的了
每个
• 不同
组都会有一行摘要。

如果您希望在 SELECT 子句中包含特定列，则它必须是组列或摘要，因为您只能从可用内容中

SELECT

。

即使没有

GROUP BY

子句，也会有一个隐含的

GROUP BY ()

产生单行摘要。一些 DBMS（不是全部）甚至允许您添加它，尽管它不会改变任何东西。

请注意，

GROUP BY

摘要中的行数受您要分组的列数的影响。一般来说，行数类似于 (DISTINCT Group1)*(DISTINCT GROUP2) 等。这意味着您肯定不想按超出实际需要的数量进行分组。

例外情况

假设你有这样的声明：

SELECT state, name, count(*)
FROM customers
GROUP BY state;

这当然会失败。当一个状态有多个值时，选择

name

 有何意义？

但是，在传统模式下，MySQL 会让您这样做：它将选择

one

名称来配合状态。然而，无法保证是哪一个，因此它的价值值得怀疑。

假设您想按月分组。您可能希望显示月份名称，但按月份编号排序。在这里您需要将两者分组。使用伪日期函数：

SELECT monthname, count(*)
FROM data
GROUP BY monthname, monthnumber
ORDER BY monthnumber;

这只不过是一种解决方法。它利用了这样一个事实，即每个月份名称都有一个月份编号，因此没有真正的进一步分组。它只是为了获取

GROUP BY

 虚拟表中的两个值。